MétaCan
Menu
Retour à la cohorte
Enregistrement W6948713548 · doi:10.5061/dryad.8b5n18p

Data from: Environmental stress does not increase the mean strength of selection

2018· dataset· en· W6948713548 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2018
Typedataset
Langueen
DomaineMedicine
ThématiqueTraditional Chinese Medicine Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSelection (genetic algorithm)IntuitionGenetic FitnessGenetic variationGenetic loadGroup selectionNatural selection

Résumé

récupéré en direct d'OpenAlex

A common intuition among evolutionary biologists and ecologists is that environmental stress will increase the strength of selection against deleterious alleles and among alternate genotypes. However, the strength of selection is determined by the relative fitness differences among genotypes, and there is no theoretical reason why these differences should be exaggerated as mean fitness decreases. We update a recent review of the empirical results pertaining to environmental stress and the strength of selection and find that there is no overall trend towards increased selection under stress. The majority of past studies measure the strength of selection by quantifying the decrease in fitness imposed by single or multiple mutations in different environments. However, selection rarely acts on one locus independently, and the strength of selection will be determined by variation across the whole genome. We used 20 inbred lines of Drosophila melanogaster to make repeated fitness measurements of the same genotypes in four different environments. This framework allowed us to determine the variation in fitness attributable to genotype across stressful environments and to calculate the opportunity for selection among these genotypes in each stress. While we found significant decreases in mean fitness in our stressful environments, we did not find any significant differences in the strength of selection among any of the four measured environments. Therefore, in agreement with our updated review, we find no evidence for the oft-cited verbal model that stress increases the strength of selection.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,183

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0550,036

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,268
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Même sujetTraditional Chinese Medicine AnalysisTravaux en français237 207